[发明专利]实时网络拥塞分析方法、装置、计算机设备和存储介质

说明书

本发明公开了一种实时网络拥塞分析方法、装置、计算机设备和存储介质。该实时网络拥塞分析方法包括：获取不限量用户指标数据，将所述不限量用户指标数据输入到预训练好的网络拥塞分析系统中；通过所述网络拥塞分析系统输出网络拥塞分析结果，其中，所述网络拥塞分析结果为所述不限量用户指标数据，在经过所述网络拥塞分析系统的网络参数映射后得到。采用该实时网络拥塞分析方法能够实现实时的网络拥塞分析，能够为用户提供有益的决策。

【技术领域】

本发明涉及网络优化领域，尤其涉及一种实时网络拥塞分析方法、装置、计算机设备和存储介质。

【背景技术】

大型活动、节假日等人员聚集的时候,网络部门主要通过事前计划和调配资源等手段来进行网络资源的支撑。该手段实现的前提是事前了解未来人群的具体活动，当无法获取人群短时聚集的预兆和计划时，在特定场景下，随着不限量(流量)用户数的增长，部分小区无线资源利用率升高，RRC(Radio Resource Control，RRC，无线资源控制)拥塞，传输拥塞等高负荷将影响移动通信的业务承载能力，同时也会引起掉话、用户无法接入、数据连接交换缓慢等后果。

针对以上不限量用户快速聚集引起的潮汐效应，现有技术方案是在大数据平台上部署基于分布式文件存储系统的计算集群，以输出超忙小区以及其他的性能告警提示，给出资源调配和分流建议，然而，现有基于分布式文件存储系统的计算集群对数据集进行批量处理时需要读写硬盘，速度较慢，而且只能处理离线数据，在面对时效性高和数据量大的4G/5G信令的时候，该计算集群难以实现迭代和交互计算，指标时延较大，无法快速响应短时不限量用户聚集引起的网络质量问题，无法完成实时的网络拥塞分析。

【发明内容】

有鉴于此，本发明实施例提供了一种实时网络拥塞分析方法、装置、计算机设备和存储介质，用以解决目前不限量用户快速聚集引起的潮汐效应时，无法完成实时的网络拥塞分析的问题。

第一方面，本发明实施例提供了一种实时网络拥塞分析方法，包括：

获取不限量用户指标数据，将所述不限量用户指标数据输入到预训练好的网络拥塞分析系统中；

通过所述网络拥塞分析系统输出网络拥塞分析结果，其中，所述网络拥塞分析结果为所述不限量用户指标数据，在经过所述网络拥塞分析系统的网络参数映射后得到；

其中，所述网络拥塞分析系统的训练步骤包括：

获取小区中不限量用户的网管指标数据、信令数据和目标结果数据；

根据所述网管指标数据、信令数据得到历史不限量用户指标数据；

根据所述历史不限量用户指标数据和所述目标结果数据得到训练样本；

将所述训练样本输入到原始模型中训练，其中所述原始模型采用GAP神经网络的网络结构；

根据所述原始模型训练输出的正向输出值，采用反向传播算法更新所述原始模型的网络参数；

当达到预设训练步数或其他模型训练停止的条件时，所述原始模型的更新结束，得到所述网络拥塞分析系统。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述不限量用户指标数据包括不限量用户数量、不限量用户流量、页面响应平均时长、页面响应成功率、页面显示成功率、页面浏览平均速率、视频播放平均卡顿次数、视频播放成功率、视频下载平均速率和视频播放等待时长。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标结果数据包括数据传输的RRC数、PRB利用率、小区总流量和小区性能告警数量。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述GAP神经网络引入自适应交叉和变异概率，用于优化所述原始模型的训练过程。